ABSTRAKSI: Fraud detection merupakan salah satu permasalahan yang cukup penting dalam data mining yaitu memodelkan kemunculan fenomena yang sangat jarang dalam suatu sekumpulan data yang sangat besar, yang memerlukan perlakuan berbeda dari metode pemodelan lainnya. Fenomena yang jarang ini biasa diartikan sebagai gangguan atau noise, tetapi dalam fraud detection fenomena ini merupakan suatu hal yang penting. Salah satu teknik pendekatan yang biasa digunakan dalam pendeteksian kasus fraud adalah klasifikasi, tetapi dengan adanya karakteristik dari fraud dimana class target yang ingin diprediksi biasanya merupakan data yang memiliki kecenderungan jumlah data lebih sedikit dibandingkan dengan data normal lainnya yang biasa disebut mendeteksi rare event. Salah satu algoritma yang ditawarkan dalam mendeteksi rare event adalah PNrule.
Dalam tugas akhir ini akan dilakukan analisis performansi hasil penggunaan PNrule, analisis pengaruh bentuk rule terhadap hasil performansi, analisis pengaruh jumlah kelas target dalam data latih, analisis perbandingan performansi PNrule dibandingkan metode klasifikasi lain, dan analisis kelebihan dan kekurangan metode dalam mendeteksi kasus fraud .
Dari hasil pengujian diperoleh kesimpulan bahwa PNrule dianggap berhasil dalam memprediksi kasus fraud, dengan hasil performansi yang cukup baik. Parameter-parameter pada PNrule sangat mempengaruhi bentuk rule yang dihasilkan yang akan mempengaruhi hasil performansi. Algoritma PNrule menghasilkan nilai performansi yang jauh lebih baik dibandingkan algoritma klasifikasi berdasarkan rule lainnya yaitu OneR dan ConjunctiveR. Kelebihan dari algoritma PNrule adalah, hasil performansi rule yang didapatkan sangat baik. Kelemahan dari algoritma PNrule ini adalah, untuk mendapatkan hasil sesuai dengan kebutuhan, proses pengujian harus dilakukan berulang kali terhadap nilai-nilai parameter inputan hingga didapatkan nilai-nilai parameter yang dapat memberikan hasil terbaikKata Kunci : Fraud Detection , Rare Event, Klasifikasi, PNRuleABSTRACT: Fraud Detection represent one of problems which important in data mining, modeling the very little apparition phenomenon in a very big data, need differ treatment from other modeling method. This phenomenon commonly interpreted as trouble or noise, but in this fraud detection this phenomenon represent an important matter. One of the technique which commonly use in detection of fraud is classification, but this commonly classification technique cannot predict fraud well because of the existence of characteristic from fraud where fraud class which wish be predicted usually have tendency fewer compared to normal data which commonly called to detect the rare event. One of algorithm in detecting rare event is PNrule.
In this final project will be done performance analysis of PNrule result, analyse the influence of the rule form to performance result, analyse the comparison of PNrule performance compared to other classification method and analyse the strength and weakness of PNrule algorithm in detecting case fraud .
The result show conclusion that PNrule assumed to succeed in predicting fraud, with good performance. PNrule parameter very influencing the rule form yielded, which in the end will influence the performance result. PNrule algorithm yield the performance value that is far better compared to other classification algorithm that is OneR and ConjunctiveR. The strength from this PNrule algorithm is the performance result in fraud detection system very good. Weakness from PNrule algorithm is, to get the best result as according to requirement, process must be done repeatedly to measure values of input parameter till get the parameter values which can give the best result as according to requirement.Keyword: Fraud Detection , Rare Event, Klasifikasi, PNRule